基于模糊识别的高速公路交通拥挤预测算法

在分析影响交通拥挤因素的基础上,提出了一种基于模糊识别的交通拥挤状态预测算法,并对算法进行了模拟测试。测试结果表明:该算法实时性好,准确性高,可作为高速公路交通控制与诱导等管理手段的可靠依据。     

基于模糊C均值算法的城市快速路交通状态识别

针对城市快速路交通状态划分问题,提出一种改进的模糊C-均值(FCM)算法.为了解决FCM算法对初始聚类中心敏感、聚类前必须对聚类数和模糊加权指数给出恰当赋值等问题.首先采用减法聚类得到最大聚类数及相应的初始聚类中心,然后基于模糊决策的方法优选参数m,最终将聚类有效性函数融入FCM聚类,动态确定交通状态的分类.对上述方法通过Matlab6.5编程得出结果,对比分析表明提出的方法能够提高城市快速路交通流状态的分类效果.     

基于模糊算法的高速公路匝道控制方法

针对高速公路交通拥挤和堵塞问题，提出用模糊控制的方法，在拥挤和堵塞形成之前控制匝道的入口流量，避免交通拥挤和堵塞的形成。分析了交通流的构成和自然条件对交通的影响，然后设计出匝道模糊控制的基本结构，并给出了确定交通状态参数的模糊算法。     

基于FCM快速路交通状态判别加权指数研究

加权指数m是影响模糊C名)值聚类(fuzzy Cleans,FCM)的一个关键参数,为提高快速路交通状态模糊判別性能,针对m取值的问题提出了一种兼顾算法判別精度和聚类效果的优选方法。该方法以流量、速度为交通状态评价参数在不同加权指数m和样本量n下进行聚类分析,从算法判別精度、类内间距、类间间距、目标函数收敛性四个方面对m的最优取值进行了深入研究。以某市快速路为例別用MATLAB模糊逻辑工具箱分析实验数据的隶属度和聚类中心,以上四个方面在n×m种组合情形下综合分析,得出快速路交通状态模糊判別m的最优取值,并进一步验证了该方法的可行性。实验结果表明,以流量、速度为状态评价参数的快速路交通状态模糊判別加权指数m的最佳取值为2.25。     

基于权值优化的FCM-MSVM算法及其在高速公路状态判别中的应用

高速公路实时交通状态的准确判别是科学制定交通管理策略的重要基础.本文以实测的高速公路交通流三特征参数的数据作为输入,引入熵权法刻画参数之间重要程度的差异,利用改进的FCM算法对特征参数进行聚类,根据不同交通状态的结果,建立基于多分类器支持向量机的交通状态判别模型,并分别采用网格搜索法、遗传算法和粒子群算法对支持向量机参数进行优化,从而提高模型的判别准确率.最后选取实际数据对本文模型进行验证,判别结果的分类准确率可达96.3980%.     

基于收费数据的高速公路交通状态判别方法

目前高速公路交通数据资源未得到充分利用,使得管理和建设成本较高的高速公路联网收费系统只能实现车辆记录、联网收费等初级功能,导致交通数据资源的严重浪费.为此设计了基于高速公路联网收费数据的路段行程时间估计方法,提出以大、小车速度变化情况为基础,采用模糊C-均值聚类方法对高速公路交通状态进行判别,并应用VISSIM软件分别对上述两种方法验证分析.结果表明,路段行程时间估计方法能够获得高质量的路段行程时间数据,同时交通状态判别方法也能够准确判别出道路上所呈现的交通状态,可为历史数据更新提供技术支持,为高速公路交通管理部门提供精确的决策依据.     

基于门架数据的高速公路运行状态评价研究

高速公路信息化建设日益完善,为了能够更加详尽地掌握高速公路的交通状态,以济青高速为研究对象,通过挖掘门架数据,设计了k均值聚类算法和基于密度的噪声应用空间聚类算法相结合的两阶段聚类方法来识别驶入服务区车辆和异常行驶的车辆,再结合各车型流量占比加权的交通状态指数,从时间和空间维度分析高速公路路段交通状态。研究结果表明,两阶段聚类算法有着很好的识别效果,通过交通状态指标发现在7:00—20:00时段高速公路存在3个交通状态较拥堵的时段,精确地识别出高速公路中交通状态较拥堵的路段,并且发现路段的大车混入率与交通拥堵程度呈现密切的正相关的趋势,最后依据交通状态指数将济青高速路段交通状态划分为4个不同的等级,为交通管理部门提供了路段交通状态评估的技术支持。     

高速公路交通状态检测与控制系统

根据我国高速公路现状对高速公路交通状态检测与控制系统进行了研究.     

基于免疫模糊聚类算法的电网抗差状态估计

提出了一种基于免疫进化模糊聚类算法的电网抗差状态估计方法.该方法首先计算出量测数据的标准残差rN和相邻采样时刻量测值之差Δz,初步将量测数据划分为可疑数据和可靠数据.分别在0.5～1和0～1之间随机生成可靠数据和可疑数据的隶属度,形成初始分类矩阵,克服了整个分类矩阵在0～1之间随机生成的缺陷,并大大加快了算法的收敛速度.之后以γN和△z为特征值,应用免疫进化算法对分类矩阵进行模糊聚类,以获得各个量测量的良数据隶属度.依据各个量测量的良数据隶属度,进一步将量测数据划分入淘汰区、降权区、保权区进行状态估计.该方法能获得较高的抗差能力和状态估计精度,且数值稳定性较好.对IEEE14节点系统的算例仿真表明了该方法的有效性.     

城市环路交通状态自适应判别方法

针对城市环路交通拥挤问题,提出基于模糊C均值聚类与灰色聚类的交通状态自适应判别算法.首先运用模糊C均值聚类对交通状态边界进行划分,得到各个交通状态的门阀值,进而利用灰色聚类模型对交通状态进行判别,避免聚类方法容易陷入局部最优解的问题,同时减少灰色聚类参数设定的主观性.通过对福州二环路实测交通流数据的计算分析表明,不同路段的交通状态存在显著差异,城市环路交通状态自适应判别方法能够较好地针对不同路段判别交通状态.     

基于改进拉普拉斯中心性的高速路网状态识别方法

为提高高速公路网络运行效率,考虑不同路段对于路网运行状态的时空影响差异性,提出一种高速公路网络交通状态识别方法。定义路网各类型路段为节点及其状态计算方法,建立基于“改进拉普拉斯中心性”和“时空影响因子”的路网状态识别模型。其中,利用皮尔逊相关系数改进拉普拉斯中心性方法以评估节点自身影响,设计时空影响因子评估邻居节点影响;融合节点自身及邻居节点影响,建立节点权重系数模型;在以上基础上建立反映路网交通状态的综合判别模型。以京港澳高速徐水-清苑的高速公路网络为例予以验证,结果表明：在不同交通需求情景下,本方法能有效识别交通状态;对比TPI模型和VHT模型,本方法状态识别精准度均为最优,尤其是在交通需求大的情况下,对比稳定性较强的TPI模型,本方法准确率提升了2.8%,进一步证明了模型的适用性强,能够满足工程实际的需要。     

区域交通状态分析的时空分层模型

为了解决区域交通状态分析问题,提出了一种区域交通状态时空分层模型及其建立方法。根据区域交通状态分析需求,设定交通拥堵的不同截值,把路口状态划分为不同层次,建立了时空分层模型。该模型含盖了交通网络的微观、中观和宏观交通参数,包含交通网络时空信息和交通状态信息,得到路口可达性和路段连通性的分析结果,解决了目前区域交通状态自动分析中模型建立问题。仿真结果表明:分层模型能够把路网中不同交通状态的路口分离为具有不同可达性的层次,能够从中分析出路口可达性、路段连通性和路网交通状态的变化,并能够直接表示时空状态信息。该建模方法和分析方法可以直接用于交通状态的自动分析中,所提出分层模型也可用到交通诱导和交通控制中。     

基于模糊综合评价的城市快速路交通状态判别研究

选取速度和占有率评价指标,建立基于熵权法和灰色关联分析的快速路交通状态模糊判断模型。模糊综合评价的权重由熵权法和灰色关联分析组合分析得到,最终通过计算得到交通状态的量化结果。结合实例分析可知,方法可行且有效,与基于单一速度或占有率的方法相比,具有较好的稳定性,能够为城市快速路交通状态判别提供理论依据。     

基于省域路网的高速公路联网监控与人脸识别技术改进

当前人脸识别技术普遍存在识别精度低、抗干扰能力差的问题,为此,设计了基于省域路网的高速公路联网监控与人脸识别技术改进。介绍了高速公路联网监控系统设计的目的和需具备的功能。给出系统总体结构,其主要包括控制中心与外场终端设备,外场终端设备利用省域路网和控制中心设备进行通信,以此完成监控信息的采集与发布;通过透视投影成像阶段和摄像机标定阶段完成对省域路网视频的预处理,构建光照补偿模型和人脸特征检测模型,最终实现人脸识别技术的优化。实验结果表明,所设计方法相对于传统方法,就有较高的识别精度、其识别处理速度快、抗干扰能力强。     

基于水平投影和Hough查找圆法的人眼状态识别研究

眼睛状态识别是驾驶员疲劳检测的非常重要的一个环节,为了对眼部状态进行有效的识别,论文提出一种人眼状态识别的新方法,该方法利用二值化水平投影和Hough查找圆法的人眼状态识别,快速实时有效地识别出驾驶员疲劳时眼部状态。     

融合RepVGG的YOLOv5交通标志识别算法

准确检测交通标志已成为自动驾驶不可或缺的任务之一。基于现实场景中小而密集的交通标志,传统方式检测交通标志存在精度较低这一缺陷。针对此问题,提出一种融合RepVGG模块的改进YOLOv5的交通标志识别算法。首先将原算法的部分CBS模块替换为RepVGG模块,加强特征提取能力。并在Neck层融合CBAM注意力机制,强化检测模型的抗干扰能力。最后,在网络训练过程中,使用EIOU损失函数来弥补GIOU损失函数的不足,提高算法的检测精度与迭代速度。实验结果表明,改进后的YOLOv5算法,迭代速度更快,在CCTSDB交通标志数据集上的P、R、mAP值分别达到91.55%、85.04%、91.71%,相比YOLOv5算法能够更好的应用到实践当中。     

高速公路路面识别技术研究

根据高速公路路面的基本特征,通过分道线特征点投影位置的计算,提取出了比较完整的当前车道分道线特征点。建立道路边缘灰度模型,采用Gabor变换多分辨率的特点,对图像按方向进行滤波处理。实现道路边缘线检测和拟合。实验结果表明,所讨论的方法在工程实践中有实际应用价值。     

基于卷积神经网络的交通标志识别方法

针对卷积神经网络(CNN)在交通标志识别过程中出现的梯度弥散而引起的识别率低的问题,给出了基于改进CNN结构的交通标志识别方法.实验结果表明:该方法能够有效提高识别精度,防止梯度弥散.     

基于群体智能的蚁群算法研究

群体智能是指任何启发于群居性昆虫群体和其它动物群体的集体行为而设计的算法和分布式问题解决装置,群体智能现正在成为人工智能领域和相关领域的一个研究热点;该文首先介绍了群体智能中的两个重要算法:蚁群算法和粒子群算法的基本思想,然后重点探讨了蚁群优化算法,对基本蚁群算法和改进的蚁群算法进行了深入的分析和评述。     

基于交通状态感知的LED路灯系统

随着国家＂十城万盏＂计划的推进,LED路灯由于其节能环保、寿命长等优点,已得到广泛应用。而目前粗放的路灯管理,造成巨大的能源浪费。该文为提高LED路灯管理系统的能源利用率,将基于视频检测的交通状态辨识系统,与LED路灯管理系统相结合,通过建立交通拥堵等级与LED路灯的亮度间的映射关系,实现LED路灯动态自适应调节。在交通辨识系统中引入预测交通流数据集,通过实时数据与预测数据的比对,优化数据集,提高交通状态识别系统的前瞻性。此外,在不同交通状态路段间设置LED路灯亮度缓冲区域,使驾驶员在视觉亮度上得以平缓过渡,从而提高道路行车安全。